这篇文章没有摘要

基于模式识别的电能表监测数据的处理 基于模式识别的电能表监测数据的处理 DPC密度峰值聚类 输入：用于模型训练的数据集 输出：划分 计算任意两点间的距离 计算局部密度 计算相对距离 以为横轴，为纵轴画出决策图 利用决策图，和大为簇中心点，小但大为噪声点 把剩余点分配到最近邻且中心局部密度比它大的簇中 基于两步分配策略和共享近邻相似度的密度峰值聚类方法 输入：样本数据集，其中是样本数量，样本近邻数 …

卡尔曼滤波（Kalman Filter） 卡尔曼滤波（Kalman Filter） 卡尔曼滤波器的背景 火箭在发射过程中需要时刻预测自己的状态（此处所述的状态包括火箭的位置与速度），对于火箭的状态数据可以通过一些传感器来获取这两个测量，但是由于存在电离层和大气干扰，传感器的测量值有时误差会比较大，这样就需要通过一种方法来预测一个新的更加准确的、且不完全依赖传感器返回值的状态信息。 在事实上，如果传…

Apriori-基于频繁项集的数据关联规则挖掘算法 Apriori-基于频繁项集的数据关联规则挖掘算法 算法目的 已知：数据集，其中每一个对应个变量（即个统计指标），如果该变量的取值满足设定的条件，则在该变量上可转化为分类数据或示性数据。 待求：数据集的频繁项集和关联规则（用于分析原始数据和推断新的数据） 算法文字步骤 第一步：输入数据集。 第二步：确定数据集中所包含的项集，并具体化到每一个数据点…

无监督的数据异常检测算法（3）- INFLO 无监督的数据异常检测算法（3）- INFLO   1. INFLO原论文 Ranking Outliers Using Symmetric Neighborhood Relationship 1.1 综述（Abstract） 挖掘数据集中的异常值是为了找到偏离数据集其余部分的异常对象。除了经典的异常值分析算法之外，最近的研究还集中在挖掘局部异…

无监督的数据异常检测算法（2）- COF 无监督的数据异常检测算法（2）- COF 1.COF-基于连通性的局部异常因子检测方法 在LOF中，距离邻域默认是根据欧式距离来进行计算的，这样也间接性地假定了数据是以球形的方式分布在样本周围。但如果特征有一个直接线性相关，那这个密度的估算就会出现问题。在《Enhancing effectiveness of outlier detections for …

无监督的数据异常检测算法（1）- LOF 无监督的数据异常检测算法（1）- LOF   1.1 LOF简介 在众多的离群点检测方法中，LOF方法是一种典型的基于密度的高精度离群点检测方法。在LOF方法中，通过给每个数据点都分配一个依赖于邻域密度的离群因子LOF，进而判断该数据点是否为离群点。若LOF，则该数据点为离群点；若LOF接近于1，则该数据点为正常数据点。 1.2 距离度量尺度 设…